怎么用python爬豆瓣

编程入门 行业动态 更新时间:2024-10-06 09:22:34

怎么用python爬<a href=https://www.elefans.com/category/jswz/34/1767641.html style=豆瓣"/>

怎么用python爬豆瓣

学python没多久,主要想用它来做爬虫,写api建议用node.js,做全站页面渲染用php搞定,做爬虫还得看python:

这里没有用python的一些爬虫框架,先采用python内置模块urllib直接处理页面抓取,然后解析内容然后直接下载图片:

直接抓取豆瓣图片api,解析并下载图片:

# -*- coding: utf-8 -*-

import json

import urllib

import re

def getHtml(url):

request =url

response = urllib.urlopen(request)

return response.read()

def downloadPic(url,start):

source =getHtml(url)

s = json.loads(source)

imgArr = s['subjects']

index=0

for i in imgArr:

#print i['title'],i['url']

ext=re.findall(r'.*\.(\w+)$',i['cover'])

if len(ext)>0:

ext =ext[0]

else:

ext='jpg'

path='./img/douban_%s_%s.%s' % (start,index,ext)

print path

f=open(path,'w')

f.write(getHtml(i['cover']))

f.close()

index=index+1

def downMore(num=0):

for i in range(num):

p=i*20

url='=movie&tag=%E7%83%AD%E9%97%A8&sort=recommend&page_limit=20&page_start='+str(p)

print 'url is %s' % url

downloadPic(url,i)

downMore(13)

直接抓取豆瓣电影页面源代码解析并下载图片:

# -*- coding: utf-8 -*-

import urllib

import re

def getHtml(url):

request =url

response = urllib.urlopen(request)

return response.read()

def trimempty(n):

return len(n)>12

url=''

data= getHtml(url)

#print data

#imgs= re.findall(r'.*',data)

imgs= re.findall(r'',data)

if len(imgs)>50:

imgs = imgs[0:50]

else:

imgs=imgs

imgs = filter(trimempty,imgs)

print imgs

index=0

for i in imgs:

extArr=re.findall(r'.*\.(\w+)$',i)

if(len(extArr)>0):

ext =extArr[0]

else:

ext='jpg'

path ='./img/%s.%s' % (index,ext)

print path

f=open(path,'w')

f.write(getHtml(i))

f.close()

index=index+1

运行代码前,先到当前目录下新建img文件夹,运行代码大功告成!

小问题是windows下图片显示不正常,linux下完美下载,最后建议小伙伴们不要再windows上跑python了

更多推荐

怎么用python爬豆瓣

本文发布于:2024-02-06 02:19:02,感谢您对本站的认可!
本文链接:https://www.elefans.com/category/jswz/34/1745935.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
本文标签:豆瓣   python

发布评论

评论列表 (有 0 条评论)
草根站长

>www.elefans.com

编程频道|电子爱好者 - 技术资讯及电子产品介绍!